یہ حکمت عملی بین کوون کی رسک لیول تھیوری پر مبنی ہے اور اس کا مقصد بی ای ایم بینڈ کی سطحوں کا استعمال کرتے ہوئے اسی طرح کے نقطہ نظر کو نافذ کرنا ہے۔ بی ای ایم کی اوپری سطح لوگرتھم لینے کے بعد 200 ہفتوں کا چلتا ہوا اوسط ہے ، اور نچلی سطح 200 ہفتوں کا چلتا ہوا اوسط خود ہے۔ اس سے ہمیں 0 سے 1 تک کی حد ملتی ہے۔ خریدنے کے آرڈر جاری کیے جاتے ہیں جب قیمت 0.5 سطح کے بینڈ سے نیچے ہوتی ہے ، اور فروخت کے آرڈر جاری کیے جاتے ہیں جب اس سے اوپر ہوتا ہے۔
یہ حکمت عملی بنیادی طور پر بین کوون کے ذریعہ تجویز کردہ بی ای ایم بینڈ تھیوری پر مبنی ہے۔ بی ٹی سی
جب قیمت کم ہوتی ہے تو ، حکمت عملی آہستہ آہستہ طویل پوزیشن میں اضافہ کرے گی۔ خاص طور پر ، اگر قیمت 0 اور 0.5 بینڈ کے درمیان ہے تو ، ہر ماہ ایک مقررہ دن خرید آرڈرز جاری کیے جائیں گے۔ بینڈ کی تعداد کم ہونے کے ساتھ ہی خرید کی رقم آہستہ آہستہ بڑھ جائے گی۔ مثال کے طور پر ، بینڈ 5 کے ساتھ خرید کی رقم ماہانہ ڈی سی اے کل کا 20٪ ہے۔ بینڈ 1 کے ساتھ ، خرید کی رقم ماہانہ ڈی سی اے کل کا 100٪ تک بڑھ جاتی ہے۔
جب قیمتیں بلند ہوجاتی ہیں تو ، حکمت عملی آہستہ آہستہ اپنی پوزیشن کو کم کرے گی۔ خاص طور پر ، اگر قیمت بینڈ 0.5 سے تجاوز کرتی ہے تو ، فروخت کے احکامات متناسب طور پر جاری کیے جائیں گے۔ بینڈ کی تعداد میں اضافے کے ساتھ ہی فروخت کی پوزیشن آہستہ آہستہ بڑھ جائے گی۔ مثال کے طور پر ، بینڈ 6 کے ساتھ ، 6.67٪ فروخت ہوگی۔ بینڈ 10 کے ساتھ ، تمام پوزیشنیں فروخت ہوں گی۔
اس بییم بینڈ ڈی سی اے حکمت عملی کا سب سے بڑا فائدہ یہ ہے کہ جب قیمتیں کم سے کم ہوتی ہیں اور جب قیمتیں اپنی چوٹیوں تک بڑھتی ہیں تو منافع حاصل کرکے بی ٹی سی ٹریڈنگ کی اتار چڑھاؤ کی خصوصیات کا مکمل استعمال ہوتا ہے۔ اس نقطہ نظر سے کسی بھی خرید و فروخت کے مواقع ضائع نہیں ہوں گے۔ مخصوص فوائد کا خلاصہ اس طرح کیا جاسکتا ہے:
خلاصہ یہ ہے کہ یہ ایک پیچیدہ پیرامیٹر ٹیوننگ حکمت عملی ہے جو بی ٹی سی مارکیٹ کے اتار چڑھاؤ کے حالات میں طویل مدتی مستحکم منافع پیدا کرسکتی ہے۔
اگرچہ بی ای ایم بینڈ ڈی سی اے حکمت عملی کے بہت سے فوائد ہیں ، لیکن پھر بھی کچھ ممکنہ خطرات سے آگاہ ہونا ضروری ہے۔ اہم رسک پوائنٹس کا خلاصہ مندرجہ ذیل کیا جاسکتا ہے۔
خطرے کو کم کرنے کے لیے درج ذیل اقدامات کئے جا سکتے ہیں:
مذکورہ بالا خطرات کے پیش نظر، اس حکمت عملی کی اصلاح مندرجہ ذیل پر مرکوز ہوسکتی ہے:
ان اقدامات کے ذریعے حکمت عملی کے استحکام اور سلامتی میں بہتری آسکتی ہے۔
بی ای ایم بینڈ ڈی سی اے اوسط لاگت کی حکمت عملی ایک انتہائی عملی مقداری تجارتی حکمت عملی ہے۔ یہ تجارتی فیصلوں کی رہنمائی کے لئے کامیابی کے ساتھ بی ای ایم تھیوری کا فائدہ اٹھاتا ہے ، جس میں خریداری کے اخراجات کو کنٹرول کرنے کے لئے لاگت کی اوسط ماڈل کی تکمیل ہوتی ہے۔ اسی وقت ، یہ نقصانات کی توسیع کو روکنے کے لئے اسٹاپ نقصان کے نکات طے کرکے رسک مینجمنٹ پر توجہ دیتا ہے۔ پیرامیٹر کی اصلاح اور ماڈیولر اضافوں کے ساتھ ، یہ حکمت عملی بی ٹی سی مارکیٹ سے طویل مدتی مستحکم منافع حاصل کرنے کے لئے مقداری تجارت کے لئے ایک اہم ذریعہ بن سکتی ہے۔ یہ مقداری تجارتی پریکٹیشنرز کے ذریعہ مزید تحقیق اور درخواست کا مستحق ہے۔
/*backtest start: 2023-02-11 00:00:00 end: 2024-02-17 00:00:00 period: 1d basePeriod: 1h exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ // © gjfsdrtytru - BEAM DCA Strategy { // Based on Ben Cowen's risk level strategy, this aims to copy that method but with BEAM band levels. // Upper BEAM level is derived from ln(price/200W MA)/2.5, while the 200W MA is the floor price. This is our 0-1 range. // Buy limit orders are set at the < 0.5 levels and sell orders are set at the > 0.5 level. //@version=5 strategy( title = "BEAM DCA Strategy Monthly", shorttitle = "BEAM DCA M", overlay = true, pyramiding = 500, default_qty_type = strategy.percent_of_equity, default_qty_value = 0, initial_capital = 0) //} // Inputs { ———————————————————————————————————————————————————————————————————— T_ceiling = input.string("Off", "Diminishing Returns", ["Off","Linear","Parabolic"], "Account for diminishing returns as time increases") day = input.int(1, "DCA Day of Month",1,28,1,"Select day of month for buy orders.") DCAamount = input.int(1000,"DCA Amount",400,tooltip="Enter the maximum amount you'd be willing to DCA for any given month.") T_buy = input(true,"Buy Orders","Toggle buy orders.") T_sell = input(true,"Sell Orders","Toggle sell orders.") // Time period testStartYear = input.int(2018, title="Backtest Start Year", minval=2010,maxval=2100,group="Backtest Period") testStartMonth = input.int(1, title="Backtest Start Month", minval=1, maxval=12, group="Backtest Period") testStartDay = input.int(1, title="Backtest Start Day", minval=1, maxval=31, group="Backtest Period") testPeriodLen = input.int(9999, title="Backtest Period (days)", minval=1, group="Backtest Period",tooltip="Days until strategy ends") * 86400000 // convert days into UNIX time testPeriodStart = timestamp(testStartYear,testStartMonth,testStartDay,0,0) testPeriodStop = testPeriodStart + testPeriodLen testPeriod() => true // ——————————————————————————————————————————————————————————————————————————— } // Diminishing Returns { ——————————————————————————————————————————————————————— x = bar_index + 1 assetDivisor= 2.5 switch T_ceiling == "Linear" => assetDivisor:= 3.50542 - 0.000277696 * x T_ceiling == "Parabolic"=> assetDivisor:= -0.0000001058992338 * math.pow(x,2) + 0.000120729 * x + 3.1982 // ——————————————————————————————————————————————————————————————————————————— } // Risk Levels { ——————————————————————————————————————————————————————————————— cycleLen = 1400 getMaLen() => if bar_index < cycleLen bar_index + 1 else cycleLen // Define Risk Bands price = close riskLow = ta.sma(price,getMaLen()) risk1 = riskLow * math.exp((assetDivisor)*0.1) risk2 = riskLow * math.exp((assetDivisor)*0.2) risk3 = riskLow * math.exp((assetDivisor)*0.3) risk4 = riskLow * math.exp((assetDivisor)*0.4) risk5 = riskLow * math.exp((assetDivisor)*0.5) risk6 = riskLow * math.exp((assetDivisor)*0.6) risk7 = riskLow * math.exp((assetDivisor)*0.7) risk8 = riskLow * math.exp((assetDivisor)*0.8) risk9 = riskLow * math.exp((assetDivisor)*0.9) riskHigh = riskLow * math.exp((assetDivisor)) // Plot Risk Bands p_low = plot(riskLow, "Beam Risk 0.0",color.new(#0042F0,50),3,editable=false) p_band1 = plot(risk1, "Beam Risk 0.1",color.new(#0090F5,20),1,editable=false) p_band2 = plot(risk2, "Beam Risk 0.2",color.new(#00C6DB,20),1,editable=false) p_band3 = plot(risk3, "Beam Risk 0.3",color.new(#00F5BD,20),1,editable=false) p_band4 = plot(risk4, "Beam Risk 0.4",color.new(#00F069,20),1,editable=false) p_band5 = plot(risk5, "Beam Risk 0.5",color.new(#00DB08,50),3,editable=false) p_band6 = plot(risk6, "Beam Risk 0.6",color.new(#E8D20C,20),1,editable=false) p_band7 = plot(risk7, "Beam Risk 0.7",color.new(#F2B40C,20),1,editable=false) p_band8 = plot(risk8, "Beam Risk 0.8",color.new(#DC7A00,20),1,editable=false) p_band9 = plot(risk9, "Beam Risk 0.9",color.new(#F2520C,20),1,editable=false) p_band10 = plot(riskHigh, "Beam Risk 1.0",color.new(#F01102,50),3,editable=false) // ——————————————————————————————————————————————————————————————————————————— } // Order Execution { ——————————————————————————————————————————————————————————— band5 = price<risk5 and price>risk4 band4 = price<risk4 and price>risk3 band3 = price<risk3 and price>risk2 band2 = price<risk2 and price>risk1 band1 = price<risk1 // DCA buy order weights y = DCAamount / 5 switch band5 => y:= y * 1 band4 => y:= y * 2 band3 => y:= y * 3 band2 => y:= y * 4 band1 => y:= y * 5 // Contracts per order contracts =(y/price) if testPeriod() // Buy orders if T_buy == true if dayofmonth == day strategy.entry("Risk Band 5",strategy.long,qty=contracts,when=band5) strategy.entry("Risk Band 4",strategy.long,qty=contracts,when=band4) strategy.entry("Risk Band 3",strategy.long,qty=contracts,when=band3) strategy.entry("Risk Band 2",strategy.long,qty=contracts,when=band2) strategy.entry("Risk Band 1",strategy.long,qty=contracts,when=band1) // Sell orders if T_sell == true if strategy.opentrades > 5 strategy.exit("Risk Band 6",qty_percent=6.67,limit=risk6) strategy.exit("Risk Band 7",qty_percent=14.28,limit=risk7) strategy.exit("Risk Band 8",qty_percent=25.00,limit=risk8) strategy.exit("Risk Band 9",qty_percent=44.44,limit=risk9) strategy.exit("Risk Band 10",qty_percent=100,limit=riskHigh) // ——————————————————————————————————————————————————————————————————————————— } // Info { —————————————————————————————————————————————————————————————————————— // Line plot of avg. entry price plot(strategy.position_size > 0 ? strategy.position_avg_price : na,"Average Entry",color.red,trackprice=true,editable=false) // Unrealised PNL uPNL = price/strategy.position_avg_price // Realised PNL realPNL = 0. for i = 0 to strategy.closedtrades-1 realPNL += strategy.closedtrades.profit(i) // Size of open position in ($) openPosSize = 0. for i = 0 to strategy.opentrades-1 openPosSize += strategy.opentrades.size(i) * strategy.position_avg_price // Size of closed position in ($) closePosSize = 0. if strategy.closedtrades > 0 for i = 0 to strategy.closedtrades-1 closePosSize += strategy.closedtrades.size(i) * strategy.closedtrades.entry_price(i) invested = openPosSize+closePosSize // Total capital ($) put into strategy equity = openPosSize+closePosSize+strategy.openprofit+realPNL // Total current equity ($) in strategy (counting realised PNL) ROI = (equity-invested) / invested * 100 // ROI of strategy (compare capital invested to excess return) // // Info Table // var table table1 = table.new(position.bottom_right,2,9,color.black,color.gray,1,color.gray,2) // table.cell(table1,0,0,"Capital Invested", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,1,"Open Position", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,2,"Average Entry", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,3,"Last Price", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,4,"Open PNL (%)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,5,"Open PNL ($)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,6,"Realised PNL ($)", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,7,"Total Equity", text_color=color.white,text_halign=text.align_right) // table.cell(table1,0,8,"Strategy ROI", text_color=color.white,text_halign=text.align_right) // table.cell(table1,1,0,"$" + str.tostring(invested, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,1,"$" + str.tostring(openPosSize, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,2,"$" + str.tostring(strategy.position_avg_price, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,3,"$" + str.tostring(price, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,4, str.tostring((uPNL-1)*100, "#,###.00") + "%",text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red) // table.cell(table1,1,5,"$" + str.tostring(strategy.openprofit, "#,###.00"), text_halign=text.align_right,text_color = uPNL > 1 ? color.lime : color.red) // table.cell(table1,1,6,"$" + str.tostring(realPNL, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,7,"$" + str.tostring(equity, "#,###.00"), text_halign=text.align_right,text_color = color.white) // table.cell(table1,1,8, str.tostring(ROI, "#,###.00") + "%",text_halign=text.align_right,text_color = ROI > 1 ? color.lime : color.red) // // ——————————————————————————————————————————————————————————————————————————— }